Головная страница ИПМ Библиотеки, издания  •  Поиск публикаций  English 
Публикация

Материал конференции: "Труды Международной конференции по компьютерной графике и зрению "Графикон" (19-21 сентября 2022 г., Рязань)"
Авторы: Судаков О.В., Дмитриев Д.В.
Сравнение алгоритмов G-Means и сети Кохонена в решении задач кластеризации
Аннотация:
В данной работе рассмотрен вопрос о том, как улучшить самоорганизующуюся нейронную сеть, состоящую из связки алгоритма кластеризации и многослойного персептрона для задач верификации данных в условиях отсутствия обучающих пар. Самым популярным алгоритмом кластеризации для данной задачи является сеть Кохонена, однако на сегодняшний день это не единственный алгоритм способный быстро и точно выполнять поставленную задачу. В работе проводится сравнение сети Кохонена и алгоритма G-Means. Кратко разобран принцип работы этих двух алгоритмов. Проводится сравнение точности данных алгоритмов и скорости их обучения. Актуальность данной работы заключается в том, что подготовка обучающих пар для интеллектуальных систем и сам процесс обучения с учителем является ресурсоемкой задачей. Рассматриваемые системы самообучающихся алгоритмов позволят значительно увеличить скорость обучения, а также избавит от необходимости ручной классификации данных и создания обучающих пар для персептрона что в свою очередь позволит создать самообучающуюся систему с возможностью обобщения и прогнозирования.
Ключевые слова:
Нейронные сети, обучение, самообучающееся алгоритмы, обучение без учителя, G-Means, сеть Кохонена, гибридные системы
Язык публикации: русский,  страниц: 10 (с. 1147-1156)
Полный текст на русском языке:
Экспорт ссылки на публикацию в формате:   RIS    BibTeX
Сведения об авторах:
  • Судаков О.В.,  orcid.org/0000-0003-3723-5973,  Нижегородский государственный технический университет им. Р.Е. Алексеева
  • Дмитриев Д.В.,  orcid.org/0000-0001-9481-0968,  Нижегородский государственный технический университет им. Р.Е. Алексеева